ggplot笔记002——qplot()函数

     qplot()函数     

一年前就听说过ggplot，很多人都说ggplot强大，ggplot无所不能，从今天开始就让我们一起来见证一下这个神奇的R包。

首先要加载ggplot2：

1 if(!suppressWarnings(require('ggplot2'))){
2   install.packages('ggplot2')
3   require('ggplot2')
4 }

先简单介绍一下diamonds数据集，diamonds数据集包含了约54000颗钻石的价格和质量信息。有

克拉重量（carat），切工（cut），颜色（color），净度（clarity）——反应钻石质量的四个'C'

深度（depth），钻面宽度（table），x ， y， z——五个物理指标

但这个数据集没有经过很好的整理，在展示钻石一些有趣的关系时，会显示出一些质量问题。所以同时使用另一个数据集dsmall：它是一个容量为100的随机样本。

1 set.seed(1410)#让样本可重复
2 dsmall<-diamonds[sample(nrow(diamonds),100),]
3 dsmall[1:5,]

 （一）qplot（quick plot）语法：

qplot(x, y = NULL, ..., data, facets = NULL, 
      margins = FALSE,geom = "auto", stat = list(NULL), 
      position = list(NULL), xlim = c(NA,NA), ylim = c(NA, NA), log = "", main = NULL,
      xlab = deparse(substitute(x)), 
      ylab = deparse(substitute(y)), asp = NA)
注解：
x，y：  分别表示横坐标的值和纵坐标的值，比如书上直接用carat代表的x，price代表的y
...     为每个图层指定其他图形装饰属性，如颜色(colour)、形状(shape)、大小(size)等。
                                     书上的colour=color,shape=cut,alpha=I(1/10)等
data：  数据集，比如书上用的data=diamonds
facets：图形/数据的分面，按数据进行分类，每一类做成一个图形，效果一页多图，默认一个图形
margins： 是否显示图形的边缘，默认不显示
geom：  图形的几何类型，如
    geom='point'绘制散点图.设置了x和y时，默认为散点图
    geom='smooth'将拟合一条平滑曲线（基于loess,gam,lm,rlm)，图形展示了曲线和标准误(不想会标准误，se=FALSE)
    geom='boxplot'可以绘制箱线胡须图，概括点的分布情况 x为属性变量，y为连续变量
    geom='path'geom='line'绘制线条图
    geom='histogram'绘制直方图,若有x参数时，默认为直方图
    geom='freqploy'绘制频率多边形
    geom='density'绘制密度图
    geom='bar'绘制条形图
stat：   将数据统计与图形结合 （stat-statistic简写）
position：   调整图形位置
xlim与ylim： 指定x轴和y轴的范围
log：    横纵坐标对数转换
main:    添加标题
xlab与ylab:  添加x轴和y轴标签
（二）例子
钻石重量（carat）与价格（price）的散点图
钻石重量（carat）与体积（x*y*z）的散点图
钻石重量的对数【log(carat)】与价格的对数【log(price)】的散点图

1 qplot(carat,price,data = diamonds)
2 qplot(carat,x*y*z,data = diamonds)
3 qplot(log(carat),log(price),data = diamonds)

              

 

1 qplot(carat,price,data = dsmall,colour=color)#利用颜色分类
2 qplot(carat,price,data = dsmall,shape=cut)利用形状分类
3 qplot(carat,price,data = diamonds,alpha=I(1/10))
4 qplot(carat,price,data = diamonds,alpha=I(1/200))#alpha 越小越透明

                                                                                                                                                                                                                                     

                                                                                                                                                                                                               

参数调整：method和span
method='loess'  默认平滑算法，平滑程度由span参数（从0【很不平滑】到1【很平滑】）控制。适用于数据小于1000
method='gam'    formula=y~s(x)基于mgcv包。对于大数据则用formula=y~s(x,bs='cs'),这是数据量超1000时默认选项
method='lm'     formula=y~poly（x，2）或用formula=y~ns（x，2）基于splines包
method='rlm'    基于MASS包，使得结果对异常值不太敏感   

1 qplot(carat,price,data = dsmall,geom = c('point','smooth'),
2       method='loess',span=0.3)#绘制散点图+平滑曲线

1 library(mgcv)
2 qplot(carat,price,data = diamonds,geom = c('point','smooth'),
3       method='gam',formula = y ~ s(x),span=0.8)
4 qplot(carat,price,data = diamonds,geom = c('point','smooth'),
5       method='gam',formula = y ~ s(x,bs='cs'),span=0.2)

1 library(splines)
2 qplot(carat,price,data = dsmall,geom = c('point','smooth'),
3       method='lm',formula=y~poly(x,2),span=0.5)
4 qplot(carat,price,data = dsmall,geom = c('point','smooth'),
5       method='lm',formula=y~ns(x,5),span=1)

  



箱线图（geom='boxplot'）和扰动点图(geom='jitter')
箱线图，用colour控制外框线的颜色，用fill填充颜色，用size调节线的粗细

直方图和密度曲线图
直方图：    binwidth参数通过设定组距来调节平滑度（切分位置同样可以通过参数breaks参数进行显示指定）
密度曲线图：adjust参数控制了曲线的平滑程度（adjust取值越大，曲线越平滑）

1 qplot(carat,data = diamonds,geom = 'histogram',binwidth=0.1,
2       xlim = c(0,3),fill=color)
3 qplot(carat,data = diamonds,geom = 'density',binwidth=0.01,
4       xlim = c(0,5),fill=color)

  

条形图 

1 qplot(color,data = diamonds,geom = 'bar',weight=carat)+
2   scale_y_continuous('carat')

时间序列的线条图（将点从左到右进行连接）和路径图（按照点在数据集中的顺序对其进行连接）

1 a<-economics
2 a[1:5,]

1 qplot(date,unemploy/pop,data = economics,geom = 'line')
2 #显示了失业率的变化
3 qplot(date,uempmed,data = economics,geom = 'line')
4 #失业星期数的中位数

                                                           

 

                                 

转载于:https://www.cnblogs.com/wujiadong2014/p/4910018.html